Matriz de correlación (Cuadro)

Corrupción y democracia

Corrupción y GDP

Corrupción y desempleo

Corrupción y libertad de prensa

Corrplot

Corrupción y Democracia

    Pearson's product-moment correlation

data:  data$Democracy_index and data$Pol_corruption_index
t = -14.595, df = 199, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.7798233 -0.6447975
sample estimates:
       cor 
-0.7190286 

• Aparentemente, a partir del gráfico entre ambas variables, existe una correlación negativa fuerte.
• A partir del coeficiente de correlación de Pearson, se obtiene que lo anterior sí es verdad.
• En tal sentido, es fuerte y, en cuanto a su dirección,mientras una variable aumenta la otra disminuye, ya que su signo es negativo (-0.7190).
• Según el criterio de Cohen, esta correlación es alta.
• Además, esta correlación es estadisticamente significativa, ya que al ser su p-value menor a 0.05, se rechaza la hipótesis nula de que no existe correlación lineal.

Corrupción y GDP

    Pearson's product-moment correlation

data:  data$GDP_per_capita and data$Pol_corruption_index
t = -10.344, df = 199, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.6745140 -0.4932924
sample estimates:
       cor 
-0.5913183 

• Aparentemente, a partir del gráfico entre ambas variables, visualmente existe una correlación negativa fuerte.
• A partir del coeficiente de correlación de Pearson, se obtiene que lo anterior sí es verdad.
• En tal sentido, es fuerte y, en cuanto a su dirección,mientras una variable aumenta la otra disminuye, ya que su signo es negativo (-0.5913).
• Según el criterio de Cohen, esta correlación es alta.
• Además, esta correlación es estadisticamente significativa, ya que al ser su p-value menor a 0.05, se rechaza la hipótesis nula de que no existe correlación lineal.

Corrupción y desempleo

    Pearson's product-moment correlation

data:  data$Unemployment_rate and data$Pol_corruption_index
t = 1.897, df = 179, p-value = 0.05944
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.005587066  0.280499271
sample estimates:
      cor 
0.1403851 

• Aparentemente, a partir del gráfico entre ambas variables, visualmente existe una correlación positiva débil al estar los casos un tanto dispersos.
• A partir del coeficiente de correlación de Pearson, se obtiene que lo anterior sí es verdad.
• En tal sentido, es débil y, en cuanto a su dirección,mientras una variable aumenta la otra aumenta, ya que su signo es positivo (0.1403).
• Según el criterio de Cohen, esta correlación es pequeña.
• Además, esta correlación no es estadisticamente significativa, ya que al ser su p-value un poco mayor a 0.05, se acepta la hipótesis nula de que no existe correlación lineal. No obstante, incluirla en una regresión múltiple (OLS) más adelante genera beneficios significativos para el modelo en general de regresión.

Corrupción y libertad de prensa

    Pearson's product-moment correlation

data:  data$Press_freedom_index and data$Pol_corruption_index
t = 10.429, df = 175, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.5190055 0.7024631
sample estimates:
      cor 
0.6191109 

• Aparentemente, a partir del gráfico entre ambas variables, visualmente existe una correlación positiva fuerte.
• A partir del coeficiente de correlación de Pearson, se obtiene que lo anterior sí es verdad.
• En tal sentido, es fuerte y, en cuanto a su dirección,mientras una variable aumenta la otra aumenta, ya que su signo es positivo (0.6191).
• Según el criterio de Cohen, esta correlación es alta.
• Además, esta correlación es estadisticamente significativa, ya que al ser su p-value menor a 0.05, se rechaza la hipótesis nula de que no existe correlación lineal.

Linealidad

Homocedasticidad

Normalidad de residuos

No multicolinealidad

Valores influyentes

Linealidad

• Se puede apreciar que la linea roja tiende a ser horizontal

Homocedasticidad

• Al ser la hipótesis nula de que los errores son homocedásticos, el p-valor resulta mayor a 0.05.
• En tal sentido, no se rechaza la hipótesis nula, por lo que los errores son homocedásticos
• Así, la varianza de los errores es constante y no muestra un patrón.

Normalidad de residuos

• El test de Shapiro-Wilks plantea la hipótesis nula que una muestra proviene de una distribución normal. Eligimos un nivel de significanza, por ejemplo 0,05, y tenemos una hipótesis alternativa que sostiene que la distribución no es normal.
• Al ser el p-valor mayor a 0.05, esto indica que los residuos (la distancia entre el valor esperado y el valor observado) se distribuyen de manera normal.

No multicolinealidad

• Cabe destacar que la presencia de la multicolinealidad no perjudica tanto el calculo de Indice de corrupción, pero evita calcular bien el efecto de cada regresor.
• Al ser todas menores a 5, no hay una correlación muy alta entre predictores lo cual es bueno.

Valores influyentes

• No existen valores influyentes, en tal sentido, no se afecta los calculos de la regresión.